論文の概要: Noise-Aware Quantum Software Testing
- arxiv url: http://arxiv.org/abs/2306.16992v1
- Date: Thu, 29 Jun 2023 14:51:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:47:21.849802
- Title: Noise-Aware Quantum Software Testing
- Title（参考訳）: ノイズ対応量子ソフトウェアテスト
- Authors: Asmar Muqeet, Tao Yue, Shaukat Ali and Paolo Arcaini
- Abstract要約: 本稿では,量子プログラムのテスト結果に対するノイズ効果を軽減するためのノイズ認識手法を提案する。
QOINは機械学習技術を用いて量子コンピュータのノイズ効果を学び、量子プログラムの出力からフィルタリングする。
その結果、QOINはノイズ効果を80%以上低減できることがわかった。
- 参考スコア（独自算出の注目度）: 9.296542004383115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum Computing (QC) promises computational speedup over classic computing
for solving some complex problems. However, noise exists in current and
near-term quantum computers. Quantum software testing (for gaining confidence
in quantum software's correctness) is inevitably impacted by noise, to the
extent that it is impossible to know if a test case failed due to noise or real
faults. Existing testing techniques test quantum programs without considering
noise, i.e., by executing tests on ideal quantum computer simulators.
Consequently, they are not directly applicable to testing quantum software on
real QC hardware or noisy simulators. To this end, we propose a noise-aware
approach (named QOIN) to alleviate the noise effect on test results of quantum
programs. QOIN employs machine learning techniques (e.g., transfer learning) to
learn the noise effect of a quantum computer and filter it from a quantum
program's outputs. Such filtered outputs are then used as the input to perform
test case assessments (determining the passing or failing of a test case
execution against a test oracle). We evaluated QOIN on IBM's 23 noise models
with nine real-world quantum programs and 1000 artificial quantum programs. We
also generated faulty versions of these programs to check if a failing test
case execution can be determined under noise. Results show that QOIN can reduce
the noise effect by more than $80\%$. To check QOIN's effectiveness for quantum
software testing, we used an existing test oracle for quantum software testing.
The results showed that the F1-score of the test oracle was improved on average
by $82\%$ for six real-world programs and by $75\%$ for 800 artificial
programs, demonstrating that QOIN can effectively learn noise patterns and
enable noise-aware quantum software testing.
- Abstract（参考訳）: 量子コンピューティング(QC)は、いくつかの複雑な問題を解決するために古典計算よりも計算速度を上げることを約束する。
しかし、現在および短期量子コンピュータにはノイズが存在する。
量子ソフトウェアテスト(量子ソフトウェアの正確性に対する自信を得るため)は必然的にノイズに影響され、ノイズや実際の障害によってテストケースが失敗したかどうかを知ることは不可能である。
既存のテスト技術は、ノイズを考慮せずに、すなわち理想的な量子コンピュータシミュレータでテストを実行することで、量子プログラムをテストする。
したがって、実際のqcハードウェアやノイズの多いシミュレータ上での量子ソフトウェアテストには直接適用できない。
この目的のために,量子プログラムのテスト結果に対するノイズ効果を緩和するノイズ認識手法(qoin)を提案する。
QOINは、量子コンピュータのノイズ効果を学習し、量子プログラムの出力からフィルタリングするために、機械学習技術(例えば、転送学習)を用いる。
このようなフィルタされた出力は、テストケース評価(テストoracleに対するテストケース実行の通過または失敗を決定する)を行う入力として使用される。
9つの実世界の量子プログラムと1000の人工量子プログラムを持つIBMの23のノイズモデル上でQOINを評価した。
また,故障したテストケースの実行がノイズによって決定されるかどうかをチェックするために,これらのプログラムの欠陥バージョンも生成した。
その結果,QOINは80\%以上のノイズ効果を低減できることがわかった。
qoinの量子ソフトウェアテストの有効性を確認するために、既存のテストoracleを量子ソフトウェアテストに使用しました。
その結果、テストオラクルのF1スコアは、6つの実世界のプログラムで平均82\%、800の人工プログラムで75\%改善され、QOINがノイズパターンを効果的に学習し、ノイズ対応の量子ソフトウェアテストを可能にすることを示した。
関連論文リスト
- Assessing Quantum Extreme Learning Machines for Software Testing in Practice [6.071493448254842]
量子ノイズが3つの産業的および実世界の古典的ソフトウェアテストケーススタディにおいてQELMに与える影響について検討する。
その結果,QELMは量子ノイズの影響が大きく,回帰タスクは250%,分類タスクは50%であった。
誤差軽減技術は耐雑音性を高めることができるが、平均3.0%の性能低下を達成することはできるが、その効果は文脈によって異なる。
論文 参考訳（メタデータ） (2024-10-20T20:17:58Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Taking advantage of noise in quantum reservoir computing [0.0]
量子雑音は量子貯水池計算の性能向上に有効であることを示す。
我々の結果は量子デバイスの基礎となる物理的なメカニズムに新たな光を当てた。
論文 参考訳（メタデータ） (2023-01-17T11:22:02Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - QuantumNAT: Quantum Noise-Aware Training with Noise Injection,
Quantization and Normalization [22.900530292063348]
量子回路(PQC)は、短期量子ハードウェアにおける量子優位性を約束している。
しかし、大きな量子ノイズ(エラー)のため、PQCモデルの性能は実際の量子デバイスで著しく低下する。
本稿では,PQC固有のフレームワークであるQuantumNATを提案する。
論文 参考訳（メタデータ） (2021-10-21T17:59:19Z) - Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。
鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。
Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
論文 参考訳（メタデータ） (2021-07-19T09:42:37Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳（メタデータ） (2021-05-20T17:06:52Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - Simulating noisy variational quantum eigensolver with local noise models [4.581041382009666]
変分量子固有解法 (VQE) は, 近時雑音中規模量子コンピュータにおいて量子優位性を示すことを約束している。
VQEの中心的な問題はノイズ、特に物理ノイズが現実的な量子コンピュータに与える影響である。
本稿では,様々な局所雑音モデルを用いた数値シミュレーションにより,VQEアルゴリズムの雑音効果を系統的に検討する。
論文 参考訳（メタデータ） (2020-10-28T08:51:59Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。